차원 모델링의 경우, 향후 다양한 분석 요구 사항에 직면할 때 데이터를 더 처리하고 활용할 수 있도록 데이터 웨어하우스에 가장 자세한 데이터를 기록하여 비즈니스 사실을 완벽하게 기록해야 합니다. 그러나 비즈니스 인텔리전스 프로젝트에서는 보다 세밀한 데이터가 필요한 경우가 많으며, 그러면 차원 모델의 세분성이 향상됩니다. 비즈니스 요구 사항을 충족하면서 효율성을 높이기 위해 세분성을 높이는 것은 논의되지 않습니다.
1. 관심도와 차원 수준을 높입니다.
기존의 BI 응용 프로그램에서 의사 결정 분석 계층의 데이터 세분성은 종종 비즈니스 운영 계층의 데이터 세분성보다 큽니다. 예를 들어 DW 의 재무 모델은 일반적으로 입력의 수준 (증빙서 아래) 을 기록하지만, 분석은 종종 회계, 계정, 심지어 지표, 비율의 수준에 초점을 맞추고 있으며, 시간은 일반적으로 월별이다.
2. 관심 각도를 줄이고 차원을 줄입니다.
데이터 웨어하우스의 상세 데이터는 비즈니스 사실의 모든 측면을 기록해야 합니다. 예를 들어 DW 재고 모델은 반품 작업에 대한 반품 주문 번호, 상품, 창고 위치, 창고 관리자, 반품 시작 시간, 반품 종료 시간, 반품 상점, 고객, 반품 수량 등의 사실을 기록해야 하는 반면 영업 부서는 반품 분석 모델에서 주문 번호, 위치, 창고 관리자, 시작 및 종료 시간 상세내역 (창고 관리) 을 생략해야 합니다 재무 모델의 회계 및 출납원 정보와 같은 정보는 일반적으로 재무 분석 모델에서 무시됩니다.
3. 관심 대상을 병합하고 공용 * * * 지표를 추출합니다.
문서화할 수 있는 사실이 다르기 때문에 서로 다른 비즈니스 단위의 비즈니스 데이터는 DW 세부 세분성 수준에서 하나의 모델로 통합될 수 없습니다. 예를 들어, 중앙에서 관리되는 그룹 기업에서도 지역 또는 부문상의 이유로 인해 여러 계열사의 재무 및 업무는 재무 회계 및 업무 상세내역 수준에서 다단계 분석을 수행할 수 없습니다. 대표적인 성과 지표 (공공 * * * 지표) 만 추출하여 사업부 간 수평 비교를 수행할 수 있습니다. 기업이 오프라인 매장과 쇼핑몰 등 판매 채널을 동시에 운영하면 이런 상황에 직면하게 된다.
4. 관련 프로세스를 통합하고 공통 차원을 추출합니다.
DW 데이터 모델은 세부 수준에서 비즈니스 단위별로 구분되지만 일부 분석에서는 비즈니스, 특히 성능 분석에 걸쳐 있습니다. 예를 들어 의류 산업 (특히 빠른 패션 브랜드) 의 구매자 분석 모델은 구매나 디자인부터 입고, 판매, 입고, 반품 등 전체 수명 주기에 이르기까지 구매자가 책임지는 상품을 추적 분석해야 합니다. 선반에서 제거 될 때까지. 제품 수명 주기 분석 모델에서는 공통 차원만 유지할 수 있으며 각 링크의 개인 차원은 무시됩니다.
5. 척도 제한조건을 첨부하고 차원 레벨을 높이거나 차원을 낮춥니다.
소스마다 데이터가 서로 다른 세분성을 갖는 경우가 많으며 각각 DW 데이터 모델에 저장되고 분석 모델에 통합됩니다. 예를 들어, 예산 데이터의 차원은 업무 발생 데이터의 차원보다 훨씬 작으며, 많은 예산 지표는 원래 업무 지표가 아니라 계산 지표에 해당합니다. 또 다른 예로, 시장 분석 모델에 일반적으로 사용되는 경쟁 업체 데이터와 시장 점유율 데이터는 회사 자체 채널, 부서, 인력 등의 차원보다 훨씬 적습니다. 무시해야 함) 및 세분성 (예: 지역, 시간, 상품 등 차원) 이 더 큽니다. 도시, 월, 브랜드 등에만 도달합니다. ).